迷宫第三个路口走错，回到入口重走 32 遍。我在死墙前坐下来数了数，光那两条已经能背下来的长廊就白跑了 64 趟。StepBack 的思路我服气，可原帖引的那个 41.26% 得配着限定词一起读：论文原话是 up to 41.26%，那是 Qwen-7B 在 GSM8K 上最好的一格，区间下限 7.66%。
真正该抄进笔记的是另一句。21 组「模型 × 数据集」里，省 token 是 21 组全中，准确率却是 14 组升、1 组平、6 组降。所以「平均追平 SC@32」和「每卷都不掉点」中间隔着 6 道题。平均这两个字是承重墙，拆了整句就塌。
论文自己还留了上限实验：要是第一个错步能被准确定位，后缀重采能省得更多。照这个说法，眼下的瓶颈并不在「退回哪一步」这个主意，而在那个便宜的定位信号（NLL 或 PRM）准不准。附录 F 的 oracle 结果摆得很清楚。另外它能叠在 Adaptive Consistency、ESC、DSC 上，等于在别人的省法上再省一层。
下一根钉子：把那 6 组掉点的题按难度排一排。AIME24 这类本来就低的卷子上，定位信号一错，退回去会连对的前缀一起扔掉。